Você está na página 1de 107

Medidas de Tendência Central

ESTATÍSTICA

MEDIDAS DE TENDÊNCIA CENTRAL

Nos dão uma idéia de onde se localiza o centro, o ponto


médio de um determinado conjunto de dados.
Medidas: Média, Moda e Mediana.
f

x
ESTATÍSTICA

MÉDIA

É um valor típico representativo de um conjunto de dados.


Fisicamente representa o ponto de equilíbrio da distribuição.

Modos de calcular

1) para dados simples x=Sx/n


2) para valores distintos x = S fx / n
3) para agrupamentos em classes x = S fx / n
ESTATÍSTICA

MÉDIA

1) Cálculo para dados simples


x=Sx/n
S x = Soma dos valores
16 18 23 21
n = tamanho da amostra
17 16 19 20
x = (16+18+23+21+17+16+19+20)
8

x = 18,75
ESTATÍSTICA

MÉDIA

2) Cálculo para valores distintos


x = S fx / n
x f fx
2 3 6 S fx = Soma dos produtos
3 3 9
dos valores distintos
4 4 16
5 9 45 com a frequência
6 6 36 n = tamanho da amostra
7 2 14
8 1 8 x = 134 x = 4,7857
Total 28 134 28
ESTATÍSTICA

MÉDIA

3) Cálculo para agrupamentos em classes


x = S fx / n
Classes f x fx S fx = Soma dos produtos
39 50 4 44,5 178 dos valores distintos
50 61 5 55,5 277,5 com a frequência
61 72 5 66,5 332,5
72 83 6 77,5 465 n = tamanho da amostra
83 94 5 88,5 442,5 x = 1695,5 x = 67,82
Total 25 - 1695,5 25
ESTATÍSTICA

MEDIANA

É o valor que ocupa a posição central de um conjunto de dados


ordenados.
Para um número par de termos a mediana é obtida através da
média aritmética dos dois valores intermediários.

Interpretação:
50% dos valores estão abaixo ou coincidem com a mediana e
50% estão acima ou coincidem com a mediana.
ESTATÍSTICA

MEDIANA

1) Cálculo da mediana para dados simples

PMd =(n+1) / 2
2 3 4 5 6 PMd = (9+1) / 2
PMd = 5o Termo
7 8 9 10
Mediana (Md) = 6
ESTATÍSTICA

MEDIANA

2) Cálculo da mediana para valores distintos


x f fa
2 3 3o PMd =(n+1) / 2
3 3 6o
4 4 10o
PMd = (28+1) / 2
5 9 19o PMd = 14,5
6 6 25o
7 2 27o x entre 14o e 15o Termo
8 1 28o
Total 28 - Mediana (Md) = 5
ESTATÍSTICA

MEDIANA

3) Cálculo da mediana para agrupamentos em classes

Classes f x fa PMd =(n+1) / 2


39 50 4 44,5 4o PMd = (25+1) / 2
50 61 5 55,5 9o PMd = 13o Termo
61 72 5 66,5 14o
72 83 6 77,5 20o Classe Mediana
83 94 5 88,5 25o
61 72
Total 25 - -
Mediana (Md) = 66,5 (estimativa)
ESTATÍSTICA

MODA

É o valor que ocorre com maior frequência em um conjunto de


dados. Símbolo = Mo

1) Moda para dados simples


Exemplos:
2, 3, 4, 5, 6, 7, 8 AMODAL
2, 3, 3, 4, 5, 6 ,7 MODA = 3
2, 3, 3, 4, 5, 5, 6 BIMODAL (Mo = 3 e Mo = 5)
ESTATÍSTICA

MODA

2) Moda para valores distintos


x f
2 3
O valor 5 tem o maior
3 3 número de ocorrências (9)
4 4
5 9
6 6 Mo = 5
7 2
8 1
Total 28
ESTATÍSTICA

MODA

3) Moda para agrupamentos em classes

Classes f x fa Moda Bruta


39 50 4 44,5 4o Ponto médio da classe de
50 61 5 55,5 9o maior frequência
61 72 5 66,5 14o
72 83 6 77,5 20o Mo = 77,5
83 94 5 88,5 25o
Total 25 - - É uma estimativa
ESTATÍSTICA

USO DAS MEDIDAS DE TENDÊNCIA CENTRAL

MÉDIA: Apropriada para Dados Numéricos


MODA: Apropriada para Dados Nominais
MEDIANA: Apropriada para Dados Ordinais

Dados Nominais: Só se usa a Moda.


Dados Ordinais: Pode-se usar a Mediana e a Moda.
Dados Numéricos: Pode-se usar a Média, a Mediana e a Moda.
ESTATÍSTICA

MÉDIA x MEDIANA x MODA

Quando uma distribuição é simétrica, as três medidas coincidem. A


assimetria, porém, as torna diferentes e essa diferença é tanto maior
quanto maior é a assimetria. Assim, em uma distribuição em forma de
sino (normal), temos:
ESTATÍSTICA

USO DAS MEDIDAS DE TENDÊNCIA CENTRAL

O salário médio dos empregados é uma relação entre soma e contagem,


isto é, o somatório dos salários recebidos dividido pelo número
empregados dessa indústria.

A mediana salarial dos empregados de uma indústria é o salário que


separa os 50% menores dos 50% maiores.

O salário modal dos empregados de uma indústria é o salário mais


comum, isto é, o salário recebido pelo maior número de empregados
dessa indústria.
ESTATÍSTICA

EXERCÍCIO No 1

Determine a média, a mediana e a moda para o seguinte


conjunto de dados

6 5 8 4 7 6 9 7 3
ESTATÍSTICA

EXERCÍCIO No 2

Determine o menor valor, o maior valor, a média, a mediana e a


moda para o seguinte conjunto de dados

12 32 54 17 82 99 51 11 44 22

22 33 44 52 76 41 37 10 5 87
Medidas de Ordenamento
ESTATÍSTICA

MEDIDAS DE ORDENAMENTO

A mediana caracteriza uma série de valores devido à sua posição central,


mas também separa a série em dois grupos que apresentam o mesmo
número de valores.

Assim, além das medidas de posição, há outras que, consideradas


individualmente, não são medidas de tendência central, mas estão
ligadas à mediana relativamente à sua segunda característica. Essas
medidas - os quartis, os percentis e os decis - são, juntamente com a
mediana, conhecidas pelo nome genérico de separatrizes (medidas de
ordenamento).
ESTATÍSTICA

MEDIDAS DE ORDENAMENTO

São os valores que subdividem uma disposição em rol


Medidas: QUARTIS, DECIS E PERCENTIS
Os Quartis dividem a disposição em 4 partes iguais
Q1, Q2, Q3
Os Decis dividem a disposição em 10 partes iguais
D1, D2, D3, D4, D5, D6, D7, D8, D9
Os Percentis dividem a disposição em 100 partes iguais
P1, P2, P3, P4, P5, P6, ... , P99
ESTATÍSTICA

QUARTIS

Os Quartis dividem a disposição em 4 partes iguais


Q1, Q2, Q3

Entre cada quartil há 25% dos dados da disposição

Posição do Primeiro Quartil (Q1) = (n + 1) / 4


Posição do Segundo Quartil (Q2) = 2.(n + 1) / 4
Posição do Terceiro Quartil (Q3) = 3.(n + 1) / 4
O segundo quartil coincide com a Mediana (Q2 = Md)
ESTATÍSTICA

QUARTIS

Os Quartis dividem a disposição em 4 partes iguais


Q1, Q2, Q3

1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 5, 6, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9

n = 27

Q1 Q2 Q3
7o termo 14o termo 21o termo
ESTATÍSTICA

DECIS

Os Decis dividem a disposição em 10 partes iguais


D1, D2, D3, D4, D5, D6, D7, D8, D9

Entre cada decil há 10% dos dados da disposição

Posição do Primeiro Decil (D1) = (n + 1) / 10


Posição do Segundo Decil (D2) = 2.(n + 1) / 10
Posição do Nono Decil (D9) = 9.(n + 1) / 10
O Quinto Decil coincide com a Mediana (D5 = Md)
ESTATÍSTICA

PERCENTIS

Os percentis dividem a disposição em 100 partes iguais


P1, P2, P3, P4, P5, P6, ... , P99

Entre cada percentil há 1% dos dados da disposição

Posição do Primeiro Percentil (P1) = (n + 1) / 100


Posição do Segundo Percentil (P2) = 2.(n + 1) / 100
Posição do Nonagésimo Nono Percentil (P99) = 99.(n + 1) / 100
P50 = Md P25 = Q1 P75 = Q3
ESTATÍSTICA

EXERCíCIOS

1) Dado o conjunto de dados:


a) apresente a disposição em rol;
b) o Percentil 50, 10 13 24
c) o Primeiro Quartil, 45 66 77 11
d) a Média, 14 26 33 65
e) a Moda e 21 57
f) a Mediana
ESTATÍSTICA

2) Em uma amostra com 2789 valores qual é a posição do


oitavo decil, da mediana, do segundo decil, do terceiro quartil e
do segundo quartil?
ESTATÍSTICA

3) Determine a média, a moda, a mediana, o 1o quartil, o 5o


decil, o percentil 75 e o percentil 50 para a seguinte distribuição
por valores distintos?
Lucro (US$ mil) f

64 4
65 10
66 12
67 12
68 15
69 14
70 9
71 5
72 2
Medidas de Dispersão
ESTATÍSTICA

DISPERSÃO DOS DADOS

Vimos que um conjunto de valores pode ser convenientemente


sintetizado, por meio de procedimentos matemáticos, em poucos
valores representativos - média aritmética, mediana e moda.

Para qualificar os valores de uma dada variável, ressaltando a maior ou


menor dispersão ou variabilidade entre esses valores e a sua medida
de posição, a Estatística recorre às medidas de dispersão ou de
variabilidade.

Amplitude, Variância, Desvio Padrão e Coeficiente de Variação


ESTATÍSTICA

DISPERSÃO DOS DADOS

É frequentemente chamada de variabilidade.


Medidas mais comuns: Variância, Desvio Padrão, Amplitude
e Coeficiente de Variação
f Dispersão dos dados
na amostra

Dispersão dos dados


na população

x
ESTATÍSTICA

Dispersão na População

É uma forma de se ver o quanto os dados se afastam da média.


Exemplo: Vilarejo com apenas 11 pessoas

Média = 149cm
135cm 152cm
136cm 152cm Mediana e Moda = 152cm
138cm 157cm Valor Máximo = 170cm
141cm 163cm Valor Mínimo = 135cm
143cm 170cm Amplitude = 35cm
152cm

Alturas de 11 pessoas
ESTATÍSTICA

Dispersão na População
Alturas x-x (x - x)2
135cm 135-149 = -14 196 2 Variância
136cm 136-149 = -13 169 = 1314 / 11
138cm 138-149 = -11 121 = 119,454 cm2
141cm 141-149 = -8 64
143cm
152cm
143-149 = -6
152-149 = 3
36
9  Desvio Padrão
152cm 152-149 = 3 9 = 119,454
152cm 152-149 = 3 9 = 10,92 cm
157cm 157-149 = 8 64
163cm 163-149 = 14 196
Soma dos desvios
170cm 170-149 = 21 441 quadráticos
Total 1314
ESTATÍSTICA

VARIÂNCIA E DESVIO PADRÃO NA POPULAÇÃO

Variância da população

2 = S ( x - x )2 / N
Desvio Padrão da população = Raiz quadrada da variância

 = 2
Como a dispersão nas amostras é menor do que na população, se faz um
ajuste matemático.
ESTATÍSTICA

VARIÂNCIA E DESVIO PADRÃO NA AMOSTRA

Variância da Amostra ( s2 ou v )

s2 = S ( x - x )2 / ( n -1 )

Desvio Padrão da amostra ( s ou DP ) = Raiz quadrada da variância

s = s2
A dispersão nas amostras é menor do que na população, por isso é que se
faz este ajuste matemático
ESTATÍSTICA

DESVIO PADRÃO

SIGNIFICADO:
É um modo de representar a dispersão dos dados ao redor da média.

x
Média
ESTATÍSTICA

DESVIO PADRÃO

A curva A mostra uma dispersão dos dados maior do que a curva B, logo o desvio padrão
de A é maior do que o de B.

f f
Curva A Curva B

x x
Média Média
ESTATÍSTICA

COEFICIENTE DE VARIAÇÃO

O desvio padrão depende da unidade de medida usada, assim um desvio medido


em dias será maior do que um medido em meses.
O coeficiente de variação expressa o desvio-padrão como porcentagem do valor
da média.

COEF. VARIAÇÃO = 100 . DESVIO PADRÃO


MÉDIA

Quanto menor for este coeficiente mais homogênea é a amostra.


ESTATÍSTICA

COEFICIENTE DE VARIAÇÃO

Classificação da proporção que o desvio padrão apresenta sobre a média.


GRAU DE HOMOGENEIDADE DOS DADOS

até 10%  ÓTIMO


de 10% a 20%  BOM
de 20% a 30%  REGULAR
acima de 30%  RUIM
ESTATÍSTICA

EXERCÍCIOS

1) Determine a média, a amplitude, a variância, o desvio padrão e o coeficiente de


variação da seguinte amostra de dados:

4 5 5 6
6 7 7 8
ESTATÍSTICA

2) Determine o valor de n, a amplitude, a média, o desvio padrão e o coeficiente de


variação da seguinte amostra de dados:

22 32 45 22 46 76 24
21 78 43 21 58 92 11
16 28 33 73 11 29 22
47 28 24 21 53 36 88
99 18

Como a base de dados é extensa


sugere-se que os cálculos sejam
feitos com o uso da planilha
eletrônica Microsoft Excel .
ESTATÍSTICA

FUNÇÕES FÓRMULAS NO EXCEL


Contagem Numérica =CONT.NÚM(A1:A30)
Mínimo =MÍNlMO(A1:A30)
Máximo =MÁXlMO(A1:A30)
Total (Soma) =SOMA(A1:A30)
Média =MÉDIA(A1:A30)
Moda =MODO(A1:A30)
Mediana =MED(A1:A30)
Variância =VAR(A1:A30)
Desvio padrão =DESVPAD(A1:A30)
Gráficos em Microsoft Excel
ESTATÍSTICA

GRÁFICOS

O gráfico é uma forma de apresentação dos dados estatísticos, cujo


objetivo é o de produzir, no investigador ou no público em geral, uma
impressão mais rápida e viva do fenômeno em estudo.

A representação gráfica de um fenômeno deve obedecer a certos


requisitos fundamentais para ser realmente útil:

Simplicidade
Clareza
Veracidade
ESTATÍSTICA

GRÁFICOS

Gráfico é a forma geométrica de apresentação dos dados e


respectivos resultados de sua análise.
A escolha do modelo ideal de representação gráfica depende das
preferências e do senso estético do elaborador.

Vantagens:
- Permitem a síntese dos resultados;
- Auxiliam o pesquisador na análise dos dados e
- Facilitam a compreensão das conclusões do autor.
ESTATÍSTICA

NORMAS PARA A CONFECÇÃO DE GRÁFICOS

Deve facilitar a interpretação dos dados para um leigo;


Não há a necessidade de se colocar título se estiver na mesma página da tabela
correspondente;
Há a necessidade de se colocar o título se a tabela correspondente não estiver na mesma
página.
O senso estético individual determina o espaço do gráfico (L x A);
As colunas, barras, linhas e áreas gráficas devem ser ordenadas de modo crescente ou
decrescente, mas a ordem cronológica prevalece;
ESTATÍSTICA

ORIGEM DOS GRÁFICOS

O diagrama cartesiano é a figura geométrica que deu origem à técnica de construção


de gráficos estatísticos.
Utiliza-se o primeiro quadrante do sistema de eixos coordenados cartesianos
ortogonais.

Ordenadas (eixo y)
1o Quadrante
Abscissas (eixo x)
Eixo y Frequências
Eixo x Valores da Variável
ESTATÍSTICA

GRÁFICO EM COLUNAS OU DE BARRAS

Tabela 1: Quantidade de exames realizados em


25000
um determinado laboratório em 2011.
20000

Exames Quantidade
15000
Hematologia 9824
10000
Bioquímica 21534
Imunologia 15432 5000

Parasitologia 4310 0
Hemat Bioq Imunol Parasit
Fonte: Hipotética
Figura 1: Gráfico em colunas do número de exames
em um determinado laboratório em 2011.
ESTATÍSTICA

GRÁFICO DE BARRAS HORIZONTAL

Tabela 2: Quantidade de exames realizados em


um determinado laboratório em 2011.
Parasit

Exames Quantidade Imunol


Hematologia 9824
Bioq
Bioquímica 21534
Imunologia 15432 Hemat
Parasitologia 4310
0 5000 10000 15000 20000 25000
Fonte: Hipotética
Figura 2: Gráfico em barras horizontais do número de
exames realizados em um determinado laboratório no
ano de 2011.
ESTATÍSTICA

GRÁFICO DE SETORES OU CIRCULAR

Tabela 3: Quantidade de exames realizados em Parasit


Hemat
um determinado laboratório em 2011.

Exames Quantidade Imunol

Hematologia 9824
Bioquímica 21534
Imunologia 15432
Bioq
Parasitologia 4310

Fonte: Hipotética
Figura 3: Gráfico circular do número de exames
realizados em um determinado laboratório no ano de
2011.
ESTATÍSTICA

HISTOGRAMA DE FREQUÊNCIA

Tabela 4: Notas dos alunos na disciplina de 12


Estatística no curso de Administração (ano x) 10

8
Notas Frequência
6
0 2 2 4

2 4 7 2

4 6 11 0
0a2 2a4 4a6 6a8 8 a 10

6 8 10
8 10 5
Figura 4: Histograma das notas dos alunos
Fonte: Dados Fictícios
ESTATÍSTICA

HISTOGRAMA DE FREQUÊNCIA

• A área do histograma é proporcional à 35


31,4
soma das frequências; 28,6
30

• Para comparar duas distribuições, o 25


20
ideal é utilizar números percentuais; 20
14,3
15

10
5,7
5

0
0a2 2a4 4a6 6a8 8 a 10

Figura 5: Histograma dos percentuais das notas


dos alunos
ESTATÍSTICA

POLÍGONO DE FREQUÊNCIA

• É um Gráfico em Linha de uma 35


31,4
distribuição de frequência; 30
28,6
• Para se obter um polígono (linha 25
20
fechada), deve-se completar a figura, 20
ligando os extremos da linha obtida aos
pontos médios da classe anterior à 15 14,3
primeira e posterior à última, da 10
5,7
distribuição. 5

0
0 0a2 2a4 4a6 6a8 8 a 10 11

Figura 6: Polígono de Frequência percentual de


das notas dos alunos
ESTATÍSTICA

POLÍGONO DE FREQUÊNCIAS ACUMULADAS


(Sinônimo: Ogiva)

Tabela 5: Notas dos alunos na disciplina de 120


estatística no ano x 100
100
85,7

80
Notas Frequência F. Acumulada % 57,1
60
0 2 2 5,7 40 25,7

2 4 7 25,7 20 5,7

0
4 6 11 57,1
0 0a2 2a4 4a6 6a8 8 a 10

6 8 10 85,7
8 10 5 100,0 Figura 7: Polígono de frequências acumuladas das
notas dos alunos
Fonte: Dados Fictícios
ESTATÍSTICA

POLÍGONO DE FREQUÊNCIAS ACUMULADAS


(Sinônimo: Ogiva)

Tabela 5: Notas dos alunos na disciplina de 120


estatística no ano x 100
100
85,7

80
Notas Frequência F. Acumulada % 57,1
60
0 2 2 5,7 40 25,7

2 4 7 25,7 20 5,7

0
4 6 11 57,1
0 0a2 2a4 4a6 6a8 8 a 10

6 8 10 85,7
8 10 5 100,0 Figura 7: Polígono de frequências acumuladas das
notas dos alunos
Fonte: Dados Fictícios
ESTATÍSTICA

GRÁFICO STEM AND LEAF (TRONCO E FOLHAS)

Tronco (Stem) Folha (Leaf)


13 14 15 15 1 3455
22 23 28 29 2 2389
3 356799
33 35 36 37 39 39 4 57
45 47 5 37889
53 57 58 58 59 6 235
7 12
62 63 65
71 72
Figura 8: Gráfico Stem-Leaf onde o primeiro
Conjunto de Dados dígito é o tronco e o segundo é a folha
ESTATÍSTICA

GRÁFICO DE BARRAS COM DESVIO PADRÃO

1,95
1,9
1,85
1,8
1,75
1,7
1,65
1,6
1,55
Medicina Odontologia Farmacia Nutrição

Figura 9: Gráfico de barras com os valores médios e o desvio padrão das alturas de estudantes
da faculdade x (valores fictícios).
ESTATÍSTICA

GRÁFICO BOX AND WISKER (Caixa e Fio de Bigode)

1,95m
1,90m Valor Máximo
1,85m Percentil 75
1,80m
1,75m Percentil 50
1,70m Percentil 25
1,65m
1,60m Valor Mínimo
1,55m

Figura 10: Gráfico Box and Wisker das alturas dos estudantes de medicina (valores fictícios).
ESTATÍSTICA

GRÁFICO POLAR

É o gráfico ideal para representar séries temporais cíclicas


ESTATÍSTICA

CARTOGRAMA
Cartograma é a representação sobre uma carta geográfica.
ESTATÍSTICA

PICTOGRAMA
O pictograma constitui um dos processos gráficos que melhor fala ao
público, pela sua forma ao mesmo tempo atraente e sugestiva. A
representação gráfica consta de figuras.
Correlação Linear
ESTATÍSTICA

CORRELAÇÃO E REGRESSÃO

Sendo a relação entre as variáveis de natureza quantitativa, a


CORRELAÇÃO é o instrumento adequado para descobrir e medir
essa relação.

Uma vez caracterizada a relação, procuramos descrevê-la através de


uma função matemática. A REGRESSÃO é o instrumento adequado
para a determinação dos parâmetros da função.
ESTATÍSTICA

DIAGRAMA DE DISPERSÃO

Mostra o comportamento de duas variáveis quantitativas (com


dados numéricos).

a a a

b b b
ESTATÍSTICA

CORRELAÇÃO LINEAR POSITIVA

Quando valores pequenos da variável a tendem a estar relacionados com


valores pequenos de b, enquanto que valores grandes de a tendem a
estar relacionados com valores grandes de b.
a
Exemplos:

Peso x Altura
Nível socioeconômico x Volume de vendas
Consumo de Álcool x Preval. Cirrose Hepática

b
ESTATÍSTICA

CORRELAÇÃO LINEAR NEGATIVA

Quando valores pequenos da variável a tendem a estar relacionados com


valores grandes de b, enquanto que valores grandes de a tendem a estar
relacionados com valores pequenos de b.
a
Exemplos:

Renda Familiar x Número de Filhos


Escolaridade x Absenteísmo
Volume de vendas x Passivo circulante

b
ESTATÍSTICA

CORRELAÇÃO NÃO LINEAR

O diagrama de dispersão mostra um conjunto de pontos


aproximando-se mais de uma parábola do que de uma reta.

a
Exemplos:

Coef. de Letalidade (a) x Dose do Medicamento (b)

Custo (a) x Lote Econômico de Compra (b)


b
ESTATÍSTICA

TIPOS DE CORRELAÇÃO
ESTATÍSTICA

TIPOS DE CORRELAÇÃO
ESTATÍSTICA

TIPOS DE CORRELAÇÃO
ESTATÍSTICA

COEFICIENTE DE CORRELAÇÃO DE PEARSON

r = n . S (X.Y) - S X . S Y
n . S X2 - (S X)2 . n . S Y2 - (S Y)2
S(X.Y) = Fazem-se os produtos X.Y p/ cada par e depois efetua-se a soma
SX = Somatório dos valores da variável X
SY = Somatório dos valores da variável Y
SX2 = Elevam-se ao quadrado cada valor de X e depois efetua-se a soma
SY2 = Elevam-se ao quadrado cada valor de Y e depois efetua-se a soma
ESTATÍSTICA

EXEMPLO
Cálculo do coeficiente de correlação para os dados das variáveis
X = população residente e Y = taxa de cresc. populacional, em 12 vilarejos.

X Y X2 Y2 X.Y

101 3,2 10201 10,24 323,2


193 4,6 37249 21,16 887,8
. . . . .
. . . . .
. . . . .

42 2,8 1764 7,84 117,6


1452 39,3 251538 153,55 5706,2
ESTATÍSTICA

r = n . S (X.Y) - S X . S Y
n . S X2 - (S X)2 . n . S Y2 - (S Y)2

r = 12 . 5706,2 - 1452 . 39,3

12 . 251538 - (1452)2 . 12 . 153,55 - (39,3)2

r = 0,69 (Correlação Linear Positiva r > 0)


ESTATÍSTICA

COEFICIENTES DE CORRELAÇÃO

Positiva Positiva Perfeita

r>0 r=1

Negativa Negativa perfeita

r<0 r = -1
ESTATÍSTICA

COEFICIENTES DE CORRELAÇÃO

Ausência de Correlação

r=0
ESTATÍSTICA

INTERPRETAÇÃO
• O Valor de r (Correlação Linear de Pearson) varia de -1 a +1.
• O sinal indica o sentido (correlação positiva ou negativa).
• O valor indica a força da correlação (Fraca ou Forte)

valor de r

Relativa Muito Muito Relativa


Forte Fraca Fraca Ausência Fraca Fraca Forte

-1 - 0,6 - 0,3 0 + 0,3 + 0,6 +1


ESTATÍSTICA

CORRELAÇÃO DE SPEARMAN (Rho)


• Estatística não paramétrica
• Usada em dados que não têm Distribuição Normal
• Usadas com dados Ordinais (Conceitos: A, B, C, D, E)

CORRELAÇÃO TAU DE KENDALL


• Estatística não paramétrica
• Usada em um conjunto pequeno de dados com muitos
postos empatados
ESTATÍSTICA

EXERCÍCIO

1) Coloque V (Verdadeiro) ou F (Falso):

( ) Quando o valor de r for maior que 0,6 ou menor que -0,6 a correlação entre as
duas variáveis em estudo é forte
( ) O sinal negativo de r indica que as variáveis em estudo são inversamente
proporcionais
( ) Ao se encontrar um valor de r = 0,6 não se pode afirmar que as variáveis sejam
diretamente proporcionais.
( ) O coeficiente de correlação de Pearson pode ser aplicado em dados nominais
Regressão Linear
ESTATÍSTICA

REGRESSÃO

Sempre que desejamos estudar determinada variável em função de outra


fazemos uma análise de regressão.

A análise de regressão tem por objetivo descrever, através de um modelo


matemático, a relação entre duas variáveis, partindo de n observações
das mesmas.

A variável a qual desejamos fazer uma estimativa recebe o nome de


variável dependente e a outra recebe o nome de variável independente.
ESTATÍSTICA

REGRESSÃO

Supondo X a variável independente e Y a dependente, vamos procurar


determinar o ajustamento de uma reta à relação entre essas
variáveis, ou seja, vamos obter uma função definida por:

Y = a.X + b

onde a e b são coeficientes.


a = Inclinação ou Gradiente (Coef. Angular)
b = Intercepto (Coef. Linear)
ESTATÍSTICA

REGRESSÃO

Sejam duas variáveis X (Notas de Matemática) e Y (Notas de Estatística),


entre as quais exista uma correlação acentuada, embora não
perfeita, como as que formam a tabela a seguir:
ESTATÍSTICA

REGRESSÃO

Podemos concluir, pela forma do


diagrama, que se trata de uma
correlação retilínea, de modo a
permitir o ajustamento de uma reta,
imagem da função definida por:

Y = a.X + b
ESTATÍSTICA

REGRESSÃO Eu obtive a equação


da reta ... dos mínimos
quadrados ordinários

LEGENDRE, ADRIEN-MARIE (1752-1833)

- Matemático francês, discípulo de


Euler e Lagrange.
- É autor de um clássico trabalho de
geometria, Élements de géométrie.
- Também fez importantes
contribuições em equações
diferenciais, cálculo, teoria das
funções e teoria dos números.
ESTATÍSTICA

REGRESSÃO

Y = a.X + b
ESTATÍSTICA

REGRESSÃO
ESTATÍSTICA

CÁLCULO DA REGRESSÃO
ESTATÍSTICA

RETA IMAGEM DA REGRESSÃO


ESTATÍSTICA

RETA IMAGEM DA REGRESSÃO (Microsoft Excel)

15

10

5
y = 1,4134x + 3,9094
R² = 0,6913
0
0 2 4 6 8
ESTATÍSTICA

COEFICIENTE DE DETERMINAÇÃO ( R2 )

  yˆ  y
Variação exp licada 2
r =
2
i
Variação total
r =
2 i =1
n

 y  y
2
Basta elevar o coeficiente de i
correlação ao quadrado
i =1

R2 É quanto a variável X pode explicar da variação em Y


ESTATÍSTICA

INTERPOLAÇÃO E EXTRAPOLAÇÃO

Voltando à tabela das notas, vemos que 4,0 não figura entre as notas
de Matemática. Entretanto, podemos estimar a nota
correspondente em Estatística fazendo X=4,0 na equação:

Y = 0,86 X  0,89


Assim, X = 4,0  Y = 0,86  4,0  0,89 = 4,33 Como 4 pertence ao
intervalo [2,10], foi feita
uma interpolação; e como 1
O mesmo acontece com a nota 1,0: não pertence ao intervalo
[2,10], foi feita uma

X = 1,0  Y = 0,86 1,0  0,89 = 1,75 extrapolação.
Números Índices
Disciplina de Análise Estatística

Prof. Hubert Chamone Gesser, Dr. Retornar


ESTATÍSTICA

INTRODUÇÃO

Um jornal, por ocasião de um pleito eleitoral, publicou uma


tabela com os resultados da apuração na região:
ESTATÍSTICA

INTRODUÇÃO

Confeccionando uma nova tabela, com números relativos, obtemos:


ESTATÍSTICA

INTRODUÇÃO

Somos levados a concluir, de imediato, que a cidade E foi a que


apresentou maior índice de votos brancos.

2,36% dos votos da CIDADE E são brancos

Não são poucas as situações em que, para a descrição ou análise de


um fenômeno quantitativo, o emprego dos números relativos
revela-se mais pertinente do que o dos números absolutos.
ESTATÍSTICA

NÚMEROS ÍNDICES

Consideremos a tabela abaixo, relativa às matrículas efetivadas em certo


estabelecimento de ensino durante o período de 1989 a 1994:
ESTATÍSTICA

NÚMEROS ÍNDICES

A vantagem dos números-índices é permitir uma rápida


avaliação da variação relativa (percentual) sofrida pelo número
de matrículas.

Número-índice, ou, simplesmente, índice é a relação entre


dois estados de uma variável ou de um grupo de variáveis,
suscetível de variar no tempo ou no espaço (ou de grupo
de indivíduos para grupo de indivíduos).
ESTATÍSTICA

RELATIVO DE PREÇOS

Quando queremos analisar a variação no preço (ou na quantidade ou


no valor) de um só bem, basta expressar tal variação em termos
percentuais, obtendo o que denominamos relativo de preços (de
quantidade ou de valor).

po : preço na época base; 


 pt
 po , t = 100
pt : preço na época atual.  po
ESTATÍSTICA

RELATIVOS DE QUANTIDADE E DE VALOR

Do mesmo modo, obtemos:

qo , t
qt
= 100 relativo de quantidade
qo

vo ,t
vt
= 100 relativo de valor 
vo
ESTATÍSTICA

ELOS DE RELATIVOS

Vários relativos formam elos quando cada um deles é calculado tomando


como base o ano anterior; são os relativos de base móvel.

Assim, se um bem
apresentou, no período de
1991 a 1994,
respectivamente os preços
de R$240, R$300, R$360 e
R$540, os elos relativos
são:
ESTATÍSTICA

RELATIVOS EM CADEIA

O relativo em cadeia é o índice de base fixa: todos os relativos são


calculados tomando-se uma determinada época como base.

Utilizando o exemplo
anterior, e
considerando 1991
como ano-base,
obtemos:
ESTATÍSTICA

RELATIVOS EM CADEIA

O gráfico mostra a evolução do preço do bem em questão:


ESTATÍSTICA

ÍNDICES AGREGATIVOS

Temos como exemplos os índices de preços:

Índice de custo de vida

IPC – Índice de Preços ao Consumidor (IBGE)

ICB – Índice da Cesta Básica


IGP – Índice Geral de Preços
IPC – FIPE
ESTATÍSTICA

DEFLACIONAMENTO DE DADOS

Sabemos que os aumentos de preços implicam baixas no poder de


compra ou no valor da moeda. Por isso mesmo, a manutenção do poder
de compra dos salários é um problema que muito preocupa os
assalariados de países onde o valor da moeda está continuamente se
deteriorando.

Assim, embora os salários nominais estejam aumentando, os salários


reais podem estar diminuindo, devido ao aumento do custo de vida e
redução do poder aquisitivo.

Daí a importância dos índices de preços.


ESTATÍSTICA

DEFLACIONAMENTO DE DADOS

Para determinarmos os salários reais (SR), também denominados


salários deflacionados, dividimos os salários nominais de várias épocas
(St) pelo índice de preços das épocas correspondentes (IPt) e
multiplicando o resultado por 100:

St
SR = 100
IPt

Esse processo é chamado deflacionamento de salários e o índice de


preços usado é chamado deflator.
FONTE BIBLIOGRÁFICA

 BARBETA, P. A. Estatística Aplicada às Ciências Sociais. 5.ed. Florianópolis:


UFSC, 2006.
 BRUNI, A. L. Estatística Aplicada à Gestão Empresarial. 1.ed. São Paulo;
Atlas, 2010.
 BRUNI, A. L. Excel Aplicado à Gestão Empresarial. 1.ed. São Paulo; Atlas,
2010.
 CRESPO, A. A. Estatística Fácil. 19.ed. São Paulo; Saraiva, 2009.
 LEVIN, J. Estatística Aplicada às Ciências Humanas. 7.ed. São Paulo:
Harbra, 2007.
 SPIEGEL, M. R. Estatística. 8.ed. São Paulo: Makron Books, 2006.
 STEVENSON, W. J. Estatística Aplicada à Administração. São Paulo: Harbra,
2007.
The Wrap-up

A little knowledge of statistic helps you


understand a lot about the information
which is presented to you.

Retornar